公开(公告)号：CN107846281B

公开(公告)日：2020-12-08

申请号：CN201711036923.2

申请日：2017-10-30

Applicant: 上海应用技术大学

Inventor： 薛庆水 ,  李文举 ,  陈颖 ,  舒明磊 ,  杨瑞君 ,  王栋 ,  戴酉

IPC: H04L9/32 ,  H04L29/06 ,  H04L29/08

Abstract: 本发明提供了一种基于位置的代理多重签名方法和系统，该方法包括：进行代理签名者PS、原始签名者群OSG以及位置基础设施PI的初始化；在PI的参与下完成原始签名者群OSG所在位置的真实性验证，然后通过PI来验证代理签名者PS的位置的真实性的认证，最后原始签名者群OSG完成对代理签名者PS的指定位置代理签名授权；代理签名者PS在PI的支持下完成其自己位置的认证功能，然后再执行对特定信息的代理签名功能；由代理签名验证者V来完成验证代理签名确实由指定位置的原始签名者群联合授权指定位置的代理签名者对预设信息进行了代理签名。本发明中的方法安全性高、应用范围广，实现了身份与位置的认证权力的转移。

公开(公告)号：CN111461060A

公开(公告)日：2020-07-28

申请号：CN202010321962.2

申请日：2020-04-22

Applicant: 上海应用技术大学

Inventor： 李文举 ,  那馨元 ,  苏攀

IPC: G06K9/00 ,  G06N3/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习和极限学习机的交通标志识别方法，包括以下步骤：步骤1：获取交通标志样本数据集，按照交叉验证的方法，按照10：1的比例随机分为训练数据集和测试数据集；步骤2：对数据集进行增强处理，得到分布均匀的训练样本集，并通过分布均匀的训练样本集训练神经网络模型；步骤3：利用VGG16网络生成的特征金字塔监测出交通标志；步骤4：利用极限学习机ELM分类器识别交通标志，利用全连接网络进行边界框回归。本发明是基于VGG16网络结构进行交通标志的检测，并采用极限学习机进行交通标志的识别；在德国公共数据集上有较好的检测与识别表现，且对不同类型的标志均有较快的检测与识别速度。

公开(公告)号：CN108399610A

公开(公告)日：2018-08-14

申请号：CN201810231306.6

申请日：2018-03-20

Applicant: 上海应用技术大学

Inventor： 李文举 ,  胡文康 ,  韦丽华 ,  沈子豪

IPC: G06T5/00 ,  G06T7/13 ,  G06T7/32

Abstract: 本发明公开了一种融合RGB图像信息的深度图像增强方法，包括S1：获取深度图和RGB图的坐标之间的映射关系；S2：对深度图和RGB图分别做预处理；提取深度图中的无效区域并标记出无效区域的像素位置；对RGB图进行边缘检测，提取出边缘信息，并与预处理之后的深度图进行比对以确定用于修复深度图的有效支撑边缘；S3：无效区域深度信息估计；沿着深度图中无效区域的边界，利用有效支撑边缘的信息从外向里逐层进行深度计算；S4：对深度图中未能提取出有效支撑边缘的微小孤立区域做滤波去噪优化以提高深度图的精度。该种融合RGB图像信息的深度图增强方法，能够在保证边缘清晰的前提下实现对深度图中无效区域的修复，并能提高对各个深度缺失区域边缘的锐化程度。